让大模型不再过度思考！上海AI Lab后训练新范式重塑CoT，推理又快又好
上海人工智能实验室提出RePro，一种将推理过程视为优化路径的新型后训练方法，通过代理目标函数J̃量化模型置信度，并引入强度与稳定性双重评分机制指导强化学习。实验显示，在Qwen、DeepSeek等模型上，RePro在AIME25、GPQA-Diamond、MBPP等多项任务中实现最高+3.3%的准确率提升，同时显著减少推理token消耗与回溯行为，证明其在提升复杂推理效率与质量方面的通用性与有效性。来源：https://mp.weixin.qq.com/s/enmehwRw_VobetRfxmHtZg
页:
[1]